■受験の目的
Databricks上での機械学習ライフサイクル管理（MLOps）およびMLモデルのデプロイ・運用手法の知見を深めるため。
MLflowやFeature Storeを活用し、機械学習パイプラインの実装・自動化・モニタリングを行う開発スキルを身につけるため。
Databricks Certified Machine Learning Engineer Associate の認定を受けるため。
■受験の前提
特に事前に取得しておく必要のある認定試験はありません。
Databricksを活用した機械学習モデルの開発やMLOps構築の基礎から学び始めたい人でも、単独で学習を進めて受験しても良いと思います。
基礎として、PythonやPySparkの基本操作、機械学習（scikit-learn等）の基本概念、MLflowを用いたモデル管理の基礎知識があるとスムーズです。
■出題範囲
シラバスは以下を参照し、PDFをダウンロードして情報を収集します。
https://www.databricks.com/learn/certification/machine-learning-associate
■模擬試験
今回は、模擬試験を合格までに1点購入しました。
解説を読みながら、教材として学習していきました。
受験後の所感としては、解法で類似してる問題が多かったので、解説はよく読み込んでおくことをお勧めします。
■学習期間
模擬問題とシラバスを通して、2か月ほど学習しました。
DatabricksでのML領域についての操作は、やったことがなかったため、今回は機械学習の基礎、UI、機能のところはすべて最初から学んでいます。
■実際の本試験
サポート言語：英語
（日本語もありましたが、今回は英語で受験しています）
問題数：48問
出題形式：単一選択もしくは複数選択の問題になります。
試験時間：90分
試験登録料：220ドル（税込）* 為替レート（ドル/円）
決済時の為替で、約36,000円くらいでした。
受験方法：試験センター
合格ライン：非公開（70~80%以上の可能性が高いです）
結果スコア：70%（重み付けでの計算です。明確な数値スコアは出ませんでした）
詳細：
48問中30数問くらいは、模擬試験の内容に近い問題が出題されました。
48問中13問は、初見かつ正解を確定できなかった問題がありました。
模擬試験が理解できていれば、1周目は35分くらいで解答できます。
2周目以降は、残り時間で英語を再度細かく読解し、見直しや確認を行う余裕がありました。
■トピックごとのスコア
参考までですが、添付しておきます。
Topic Level Scoring:
Databricks Machine Learning: 66%
Data Processing: 55%
Model Development: 86%
Model Deployment: 66%
出題範囲の重みづけで計算するとだいたいトータルで、70%くらいみたいです。
Data Processingは初見で難しい箇所があったのは、記憶しています。
■不確定な箇所
不確定な解答だった問題で、記憶に残っている情報ですが、ご参考まで以下
・one-hot encodingのメリット・デメリット、特徴、見積もり
・Skewの重みの改善
・PandasUDF
・StreamとMLflowを、一連のフローにする方法
・ML runtimeの優位点、特徴
・Summary関数とDesctribe関数の違い（SparkかMLでの用途）
・Online Feature TableとOffline Feature Tableの違い
・機械学習における各評価指標の使い方
・Pandas、Pyspark、SparkML、scikit-learnの使いどころ
・ML領域におけるUnityCatalog利用の趣旨
・各Repositoryの趣旨
・MLflow
・AutoML
・clean viewを作成するためのログをどのようにアーカイブするか
・Auto Logging
・Log関連のpip
■その他情報
認定バッジは24時間後には届きました。有効期間は2年です。
Databricksの認定試験の場合、他の認定との組み合わせによって同期して更新される仕組みはないためご注意ください。